CN114078603A - 智能养老监护***、方法及计算机设备、可读存储介质 - Google Patents
智能养老监护***、方法及计算机设备、可读存储介质 Download PDFInfo
- Publication number
- CN114078603A CN114078603A CN202010809195.XA CN202010809195A CN114078603A CN 114078603 A CN114078603 A CN 114078603A CN 202010809195 A CN202010809195 A CN 202010809195A CN 114078603 A CN114078603 A CN 114078603A
- Authority
- CN
- China
- Prior art keywords
- human body
- early warning
- monitoring
- information
- warning information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 230000000474 nursing effect Effects 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 75
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000036760 body temperature Effects 0.000 claims description 8
- 238000000586 desensitisation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000001931 thermography Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 210000001513 elbow Anatomy 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种智能养老监护***、方法、计算机设备及可读存储介质,***包括:数据采集终端,用于采集养老监护场所的监控信息,并将所述监控信息传输至处理器终端;所述处理器终端,用于检测所述监控信息中的人体,针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息。本发明的方案可以解决现有的智能穿戴设备和养老安防监控体系在养老监护领域出现的监护不到位的问题。
Description
技术领域
本发明属于智能监控技术领域,特别涉及一种智能养老监护***、方法及计算机设备、可读存储介质和应用终端。
背景技术
随着社会发展和国内老龄化的加深,养老问题成为全社会关注的民生问题,老年人健康状况、日常活动监护及医疗护理问题越来越受到重视。由于中国空巢居家老年人居多,大多数老年人无法得到及时监护,无法及时发现并处理老年人在日常生活中出现的意外如摔倒、作息紊乱、无法起身等等。即使在有人看护的养老院,由于监护人员的缺乏,加之一些特定情境下监护较为困难,如夜间监护、卫生间、浴室、楼梯等,也造成了养老院对于老年人监护上的薄弱问题。
现有的养老健康监护设备大多是可穿戴式的检测设备、监控摄像头等,基于可穿戴式的检测设备采集相关的监测数据,或通过监控摄像头采集房间内的图像信息,再利用通信模块传输数据至数据平台,最后通过计算机应用程序推送监控视频信息、健康信息及报警提示。在一些大型机构如养老院,现在基本采用传统的安防监控***作为监护手段,即通过多路监控摄像头采集监控视频并实时传输至监控室,再利用人工监视的方法达到监护效果。
现有的监护设备或方法有如下缺陷:
1、现有用于监护的智能穿戴设备的感应模块(如:加速度、温度感应模块等)检测精度不够灵敏,同时用户的使用习惯或者动作习惯(如甩臂、电梯、乘车等)对检测结果有较大影响,导致检测结果更加不精确,甚至出现错误信息,这些误报严重影响监护的准确度及用户体验、甚至给用户带来损失;
2、现有用于监护的主流智能穿戴设备有智能手表、智能手环、智能戒指、智能项链等,这些设备大多操作较为复杂、穿戴过程较为繁琐,增加了老年人的学习成本、造成生活上的不便,尤其容易出现老年人忘带、不愿意带,甚至毁坏智能穿戴设备的情形;
3、现有养老安防监控体系无法区分内部人员和外部人员,需要值班人员日夜值守、耗费人力成本、且容易产生疏漏;
4、现有用于养老监控的设备难以或者不便于监控私密区域,例如卧室、浴室等区域。
发明内容
本发明的目的在于提供一种智能养老监护***、方法及计算机设备、可读存储介质和应用终端,以解决现有的监护设备所存在的一个或多个技术问题。具体的技术方案如下:
为了实现上述目的,本发明提供一种智能养老监护***,包括:
数据采集终端,用于采集养老监护场所的监控信息,并将所述监控信息传输至处理器终端;
所述处理器终端,用于检测所述监控信息中的人体,针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息。
可选的,在所述智能养老监护***中,还包括应用终端,其用于显示所述危险预警信息。
可选的,在所述智能养老监护***中,所述处理器终端采用图像移动侦测算法检测所述监控信息中的人体。
可选的,在所述智能养老监护***中,所述处理器终端用于针对所述人体进行人脸识别,若识别出的人脸与预设的被监护对象的人脸相匹配,且通过行为分析确定所述人体存在危险行为,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果和所述人体的危险行为。
可选的,在所述智能养老监护***中,所述处理器终端用于判断若识别出的人脸为陌生人,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果。
可选的,在所述智能养老监护***中,所述处理器终端,用于对所述监控信息进行脱敏处理并将经脱敏处理后的监控信息与所述危险预警信息发送至应用终端。
可选的,在所述智能养老监护***中,所述处理器终端用于对所述监控信息进行分析以获取所述监控信息中的人体的体温信息。
可选的,在所述智能养老监护***中,所述处理器终端用于在所述监控信息中标记目标对象,其中所述目标对象为符合预设的预警规则的人体。
可选的,在所述智能养老监护***中,所述处理器终端用于将标记后的所述监控信息结合所述危险预警信息生成危险预警事件,并存储所述危险预警事件。
可选的,在所述智能养老监护***中,当所述养老监护场所为私密区域时,所述数据采集终端包括红外摄像头或热成像仪;
当所述养老监护场所为非私密区域时,所述数据采集终端包括RGB摄像头或深度摄像头。
基于同一发明构思,本发明还提供一种智能养老监护方法,包括:
接收养老监护场所的监控信息;
检测所述监控信息中的人体;
针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息。
可选的,在所述智能养老监护方法中,所述检测所述监控信息中的人体,包括:
采用图像移动侦测算法检测所述监控信息中的人体。
可选的,在所述智能养老监护方法中,还包括:
针对所述人体进行人脸识别;
所述若所述人体符合预设的预警规则,则生成所述人体的危险预警信息,包括:
若识别出的人脸与预设的被监护对象的人脸相匹配,且通过行为分析确定所述人体存在危险动作,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果和所述人体的危险动作。
可选的,在所述智能养老监护方法中,所述若所述人体符合预设的预警规则,则生成所述人体的危险预警信息,包括:
若识别出的人脸为陌生人,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果。
可选的,在所述智能养老监护方法中,还包括:
对所述监控信息进行脱敏处理并将经脱敏处理后的监控信息与所述危险预警信息发送至应用终端。
可选的,在所述智能养老监护方法中,还包括:
对所述监控信息进行分析以获取所述监控信息中的人体的体温信息。
可选的,在所述智能养老监护方法中,还包括:
在所述监控信息中标记目标对象,其中所述目标对象为符合预设的预警规则的人体。
可选的,在所述智能养老监护方法中,还包括:
将标记后的所述监控信息结合所述危险预警信息生成危险预警事件,并存储所述危险预警事件。
可选的,在所述智能养老监护方法中,当所述养老监护场所为私密区域时,所述数据采集终端包括红外摄像头或热成像仪;
当所述养老监护场所为公共区域时,所述数据采集终端包括RGB摄像头或深度摄像头。
基于同一发明构思,本发明还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时如上文所述的智能养老监护方法的步骤。
基于同一发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上文所述的智能养老监护方法的步骤。
基于同一发明构思,本发明还提供一种应用终端,其特征在于,所述应用终端包括控制器及显示器,所述控制器用于指示所述显示器来显示危险预警信息,其中,所述危险预警信息是通过对监控场所的监控信息中的人体进行行为分析后获得。
与现有技术相比,本发明提供的智能养老监护***、方法及计算机设备、可读存储介质、应用终端具有如下有益效果:通过数据采集终端采集监护场所的监控信息,然后由处理器终端对监控信息进行人体检测和行为分析,若人体符合预设的预警规则,则通过应用终端显示该人体的危险预警信息。可见,本发明利用计算机视觉技术智能分析老年人的生活状态,不依赖于智能穿戴设备进行养老监护,不会出现监护不准确的情况,也不会增加老年人的学习成本,解决了老年人不愿穿戴、忘穿戴的难题;能够实现老年人异常行为检测、危险检测、终端提示、智能预警等功能,易操作、维护、管理,与现有的养老安防监控体系相比,减少了人工值守,降低了人力成本;在检测到人体时才触发行为分析,在监控视频画面无人的情况下不会一直进行分析,节省了***资源;此外该智能养老监护***可灵活部署于本地或云服务,便于兼容其他应用,可扩展性强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种智能养老监护***的结构示意图;
图2是图1所示的智能养老监护***的一种工作流程图;
图3是图1所示的智能养老监护***的另一种工作流程图;
图4是本发明一实施例提供的一种智能养老监护方法的流程示意图;
具体实施方式
以下结合附图和具体实施方式对本发明提出的智能养老监护***、方法及计算机设备、可读存储介质和应用终端作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
本发明的核心思想在于提供一种智能养老监护***、方法及计算机设备、可读存储介质和应用终端,以解决现有的智能穿戴设备和养老安防监控体系在养老监护领域出现的监护不到位的问题。本发明采用计算机视觉技术智能分析老年人的生活状态以实现更好的智能养老监护。下面首先对计算机视觉技术进行简单介绍。
计算机视觉技术就是采用各种成像***代替视觉器官作为输入敏感手段,由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标是使计算机能像人那样通过视觉观察和理解世界,具有自主适应环境的能力,例如人脸识别、人体行为分析。
人脸识别技术是将图像中的人脸先检测出来,将其中的特征信息(如人脸轮廓、五官、位置关系)提取出来并转化为特定格式的数据,再用特征模型将这个‘人脸’与数据库中已有的人脸信息进行比对,得出相似度,以此判断这个人是谁。
人体行为分析是让计算机理解所看到的画面中人的行为动作。现有的人体行为分析都是依据图像中人体的时间空间特征来做的分析,一般都是和动作相关的如跑、坐、摔倒、跳、挥手等特征,可利用深度学习来进一步提高行为分析的准确率和应用范围。
利用人工智能进行行为分析的基本原理为:利用深度学习等人工智能技术构建模型,用大量的标定数据去训练模型,例如让模型知道符合此标准的行为确定为行为A、符合另一个标准的行为确定为行为B等,经过大量的提高模型的精度和适应性(鲁棒性)。在具体的行为分析应用场景中,这些模型就会根据输入的新数据作出具体的判断,例如自动识别为跑、坐等行为,达到自动识别的目的。其中,在人体行为分析中所采用的主要特征有:基于骨架的人体行为识别特征、空间描述符、时间序列特征、空间-时间序列特征、bag of words(词袋法);所采用的基本算法有:长短期记忆(Long Short-Term Memory,LSTM)网络模型、支持向量机(Support Vector Machine,SVM)、隐马尔科夫模型(Hidden Markov Model,HMM)、R-CNN算法、Fast R-CNN算法。
下面以基于骨架模型的ST-GCN(时空图卷积网络模型,基于深度学习和人工智能的模型)算法为例阐述行为分析过程的原理:
1、对数据(视频帧)进行图像预处理,包括图像剪裁、图像降噪、图像增强等;
2、获得该视频帧中人体置信度最高(最有可能是人的)的1-2个人体,结合人脸匹配结果对其进行标识;
3、利用人体关键点算法获取人体的关键节点,一般为18个关节点(肘部、膝盖、脖子等18个),将人体动作描述为空间骨架关节点信息在时间轴上的向量,经过归一化处理,生成包含关节点信息、人数、关键帧数的矩阵信息;
4、不同关节点属于不同的人体部位,将这些关节点信息按照不同的人体部位进行分解如:左肩关节、左肘关节、左腕关节分解出来为左上肢,将原数据分解为多个相关联的子集;
5、利用卷积神经网络在时间域和空间域对其经行多次分类,最终得到每个动作标签的概率值,通过概率值预测该动作的分类结果,例如跑、坐、跌倒等。
下面对本发明提供的一种智能养老监护***进行介绍。请参考图1,本申请提供的一种智能养老监护***包括数据采集终端100、处理器终端200和应用终端300。
其中,所述数据采集终端100用于采集养老监护场所的监控信息,并将所述监控信息传输至处理器终端200;
所述处理器终端200用于检测所述监控信息中的人体,针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息;
所述处理器终端200可以向所述应用终端300推送该人体的危险预警信息,所述应用终端300用于显示所述危险预警信息。
本发明提供的智能养老监护***,通过数据采集终端100采集监护场所的监控信息,然后由处理器终端200对监控信息进行人体检测和行为分析,若人体符合预设的预警规则,则通过应用终端300显示该人体的危险预警信息。可见,本发明利用计算机视觉技术智能分析老年人的行为动作、生活状态,不依赖于智能穿戴设备进行养老监护,不会出现监护不准确的情况,也不会增加老年人的学习成本,解决了老年人不愿穿戴、忘穿戴的难题;本发明还能够实现老年人异常行为检测、危险检测、终端提示、智能预警等功能,易操作、维护、管理,与现有的养老安防监控体系相比,减少了人工值守,降低了人力成本;在检测到人体时才进行行为分析,在监控视频画面无人的情况下不会一直进行分析,节省了***资源;此外该智能养老监护***可灵活部署于本地或云服务,便于兼容其他应用,可扩展性强。
具体的,所述数据采集终端100是指对非接触式的视频信息、热成像信息、深度图像信息中的一种或多种进行实时采集的设备,如RGB摄像头、深度摄像头、红外摄像头、热成像仪等,可布置在走廊、房间、卫生间、公共区域等养老监护场所,并且根据不同的光线环境和隐私要求可以部署不同的数据采集终端100。
优选的,当所述养老监护场所为私密区域时,所述数据采集终端100可以包括红外摄像头或热成像仪;当所述养老监护场所为非私密区域时,所述数据采集终端100可以包括RGB摄像头或深度摄像头等高清摄像头。根据不同的场合选择合适的数据采集终端100,以适应不同的监护场景,可以解决传统养老安防监控体系难以监控卫生间、卧室、浴室等私密区域的问题。
所述处理器终端200包括服务器和算法模块。在获取到所述数据采集终端100传输来的监控信息,例如监控视频后,优选的,先对所述监控视频进行图像预处理,处理为便于计算机视觉识别分析的数据形式,预处理方式包括灰度化、图像降噪、图像增强、图像分割、边缘检测等方式。
然后从处理后的所述监控视频中检测人体,具体可以采用图像移动侦测算法检测所述监控视频中的人体,图像移动侦测算法主要有背景减除法、帧间差分法和光流法,通过识别图像中的移动的对象来检测人体。
在检测到一个或多个人体后,再对各个人体分别进行行为分析,具体为:基于计算机视觉和深度学习的算法来分析人体的具体行为,例如推搡、徘徊、跌倒、摔东西、坐、站、跑等行为。行为分析的主要算法有基于骨骼节点的行为分析算法、基于空间特征的行为分析算法、基于时域特征的行为分析算法,等等。在本发明中主要采用基于骨骼节点的行为分析算法,以便于对于私密区域的监控视频进行分析,但同时不会暴露人体的私密信息。
在对各个人体进行行为分析获得每一人体的具体行为后,判断该人体的行为是否符合预设的预警规则,如果符合则需要发出危险预警信息。例如,所述预设的预警规则可以设定为当人体的行为经判断属于推搡、跌倒、摔东西等行为之一时需要预警,如此,当某一人体的行为符合上述预警规则中的任一行为,则需要发出该人体的危险预警信息。当然,所述预设的预警规则可以根据实际情况进行设定,本发明对此不做限定。
优选的,所述处理器终端还可以针对所述各个人体中的每一人体进行人脸识别,若识别出的人脸与预设的被监护对象的人脸相匹配,且通过行为分析确定该人体存在危险行为,则生成该人体的危险预警信息并向应用终端300推送,该人体的危险预警信息包括该人体的人脸识别结果和该人体的危险动作。通过人脸识别可以确定监控视频中人体的身份信息,若识别出的人脸与预设的被监护对象的人脸相匹配,表示该人体是被监护对象,那么若此时行为分析结果也显示该人体存在危险行为的话,就需要发出危险预警信息,以告知监护人员被监护对象存在危险行为,需要进行及时处理。危险预警信息可以包括该人体的人脸识别结果和该人体的危险行为,该人体的人脸识别结果即代表该被监护对象的身份信息,例如该被监护对象的姓名。在其它实施例中,所述危险预警信息还可以包括该人体当前所处的位置信息、体温信息,等等。
此外,在养老监护的安防***中,若识别出的人脸为陌生人,则需要生成该人体的危险预警信息并向应用终端300推送,该人体的危险预警信息包括该人体的人脸识别结果。例如,若识别出的人脸为陌生人,此时需要发出危险预警信息,以告知监护人员有陌生人进入,需要及时处理。危险预警信息可以包括该人体的人脸识别结果,在其它实施例中,所述危险预警信息还可以包括该人体的行为分析结果、该人体当前所处的位置信息,等等。
在实际应用中,可以将被监护对象的默认人脸图像存储于一数据库中,在进行人脸识别时,将监控视频中的人脸与数据库中的默认人脸图像进行逐一匹配,以判断监控视频中的人脸是否与被监护对象的人脸相匹配。可以理解的是,通过行为分析与人脸识别相结合,可以实现对被监护对象更加准确的监护。
进一步的,所述处理器终端200还可以在所述监控视频中标记目标对象,并将标记后的所述监控视频推送至所述应用终端300,其中所述目标对象为符合预设的预警规则的人体。即在检测出所述监控视频中存在符合预设的预警规则的人体后,在所述监控视频中标记出该人体,并将标记后的所述监控视频推送给所述应用终端300,可以使监护人员更加直观的看到被监护人员当前所处的危险状态。进一步的,所述处理器终端200还可以将标记后的所述监控视频结合所述危险预警信息生成危险预警事件,并存储所述危险预警事件。
除了上述的移动侦测、行为分析、人脸识别功能,所述处理器终端200还可以对所述监控视频进行脱敏处理,对于涉及个人隐私的某些敏感信息通过脱敏规则进行数据的变形,实现敏感隐私数据的可靠保护,例如对所述监控视频中的人脸进行遮挡、保留行为分析过程中提取的人体骨架节点、保留热成像图、背景模糊等,进而所述处理器终端200可以将经脱敏处理后的监控视频与所述危险预警信息发送至所述应用终端300。所述处理器终端200还可以实现体温分析功能,即对所述监控视频进行数据分析得到监控视频中人体的体温信息,结合体温信息可以更好的监控被监护对象的健康状态。
所述应用终端300可以包括软件客户端、手机app等,用于查看监控视频、接收并显示所述危险预警信息,还可以配置一键报警、统计分析、***管理等功能。
本发明的关键点在于将行为分析技术与养老监护结合,实时监控被监护对象的生活状况。具体的,对于数据采集终端,根据不同的场合选择合适的设备,如在卫生间等私密空间使用热成像仪、在公共区域使用高清摄像头,解决现有养老安防监控体系对私密场所难以监控的问题。处理器终端应用了人脸识别、行为分析与数据脱敏等技术,能够在确保个人隐私被有效保护的情况下,实时监护被监护对象。人脸识别和行为分析要求较高的准确度和鲁棒性,使其能够在不同场景条件都能展开准确的分析预警,降低漏报和误报。另外,由于涉及用户和老人的生活隐私,因此本发明使用数据脱敏、加密存储等方式来保护数据安全和隐私。
请参考图2,其示意性的示出了本发明提出的智能养老监护***的一种工作流程,具体如下:
1、数据采集终端100布置在养老监护场所的适当位置,用于采集RGB图像、深度图像以及热成像数据中的一种或多种数据,通过有线或无线通信方式将所采集到的数据上传至处理器终端200的本地或云端服务器,实现实时查看监控画面的功能;
2、将监控视频进行脱敏处理,可选方案为人脸遮挡、保留提取人体骨架节点、保留热成像图、背景模糊等;
3、对监控视频进行预处理,持续检测所述监控视频中是否有移动的物体(即人体),若有,则进行以下人脸匹配和行为分析;
4、检测监控视频中的人脸,并与人脸数据库进行比对,生成比对结果,记录该比对结果;
5、追踪所述监控视频中的人体并对其行动作行为分析,生成行为分析结果,如跌倒、推搡、徘徊、摔东西、坐、站、跑等;
6、将人脸匹配信息与行为分析结果综合判断生成预警信息,具体的,若检测的人脸存在人脸数据库中,且通过行为分析该人脸存在危险行为,则生成预警信息,若检测的人脸不在人脸数据库中,则直接生成预警信息,如陌生人-跑、张三-跌倒;若无危险行为则不生成预警信息;进一步地,在其它实施例中,如图3所示,为了避免是由于人脸背对监测设备而未被检测到人脸直接生成预警信息,对于经人脸匹配后检测结果为人脸不在数据库中的情形,依然需结合行为分析来判断是否有危险行为,如果有,则生成预警信息,如果无,则不生成预警信息。
7、将预警信息推送至应用终端300,例如监控中心服务端应用或监护人手机App,发送报警信息并高亮提示该监控线路画面,在监控视频中标记该人物。所述应用终端300还可以提供一键报警、一键呼叫救护车、解除预警、人工处置等选项;
8、将预警信息结合监控视频生成危险预警事件,保存在数据库中;
9、智能养老监护***还可以包括管理功能,主要用于设置***的功能参数及工作方式,以及维护***,管理功能主要包括:页面管理、人脸识别数据库管理、事件管理、算法灵敏度设置等。
基于同样的发明构思,本发明还提供一种智能养老监护方法,具体可以应用于处理器终端,请参考图4,包括:
步骤S101,接收养老监护场所的监控信息;
步骤S102,检测所述监控信息中的人体;
步骤S103,针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息。
优选的,在所述智能养老监护方法中,所述检测所述监控信息中的人体,包括:
采用图像移动侦测算法检测所述监控信息中的人体。
优选的,在所述智能养老监护方法中,还包括:
针对所述人体进行人脸识别;
所述若所述人体符合预设的预警规则,则生成所述人体的危险预警信息,包括:
若识别出的人脸与预设的被监护对象的人脸相匹配,且通过行为分析确定所述人体存在危险动作,则生成所述人体的危险预警信息,所述人体的危险预警信息包括所述人体的人脸识别结果和所述人体的危险动作。
优选的,在所述智能养老监护方法中,所述若所述人体符合预设的预警规则,则生成所述人体的危险预警信息,包括:
若识别出的人脸为陌生人,则生成所述人体的危险预警信息,所述人体的危险预警信息包括所述人体的人脸识别结果。
优选的,在所述智能养老监护方法中,包括:
对所述监控信息进行脱敏处理并将经脱敏处理后的监控信息与所述危险预警信息发送至应用终端。
优选的,在所述智能养老监护方法中,还包括:
对所述监控信息进行分析以获取所述监控信息中的人体的体温信息。
优选的,在所述智能养老监护方法中,还包括:
在所述监控信息中标记目标对象其中所述目标对象为符合预设的预警规则的人体。
优选的,在所述智能养老监护方法中,还包括:
将标记后的所述监控信息结合所述危险预警信息生成危险预警事件,并存储所述危险预警事件。
优选的,在所述智能养老监护方法中,当所述养老监护场所为私密区域时,所述数据采集终端包括红外摄像头或热成像仪;
当所述养老监护场所为公共区域时,所述数据采集终端包括RGB摄像头或深度摄像头。
以上所述实施例的应用场景为养老监护场所,在其它实施例中,以上所述的监护***、监控方法也可应用于安防监控场所。
基于同样的发明构思,本发明还提供一种应用终端,所述应用终端包括控制器及显示器,所述控制器用于指示所述显示器来显示危险预警信息,其中,所述危险预警信息是通过对监控场所的监控信息中的人体进行行为分析后获得。
基于同样的发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上文所述的一种智能养老监护方法。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同样的发明构思,本发明还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上文所述的智能养老监护方法。
具体地,在本发明实施例中,所述处理器可以为中央处理单元(centralprocessing unit,简称CPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor,简称DSP)、专用集成电路(applicationspecificintegrated circuit,简称ASIC)、现成可编程门阵列(field programmable gatearray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本发明实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,简称ROM)、可编程只读存储器(programmable ROM,简称PROM)、可擦除可编程只读存储器(erasable PROM,简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM,简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random access memory,简称RAM)可用,例如静态随机存取存储器(staticRAM,简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(doubledatarate SDRAM,简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,简称DR RAM)。
在本文中,诸如第一类和第二类等关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (17)
1.一种智能养老监护***,其特征在于,包括:
数据采集终端,用于采集养老监护场所的监控信息,并将所述监控信息传输至处理器终端;
所述处理器终端,用于检测所述监控信息中的人体,针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息。
2.如权利要求1所述的智能养老监护***,其特征在于,还包括应用终端,其用于显示所述危险预警信息。
3.如权利要求1所述的智能养老监护***,其特征在于,所述处理器终端采用图像移动侦测算法检测所述监控信息中的人体。
4.如权利要求1所述的智能养老监护***,其特征在于,所述处理器终端用于针对所述人体进行人脸识别,若识别出的人脸与预设的被监护对象的人脸相匹配,且通过行为分析确定所述人体存在危险行为,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果和所述人体的危险行为。
5.如权利要求4所述的智能养老监护***,其特征在于,所述处理器终端用于判断若识别出的人脸为陌生人,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果。
6.如权利要求1所述的智能养老监护***,其特征在于,所述处理器终端用于对所述监控信息进行脱敏处理并将经脱敏处理后的监控信息与所述危险预警信息发送至应用终端。
7.如权利要求1所述的智能养老监护***,其特征在于,所述处理器终端用于对所述监控信息进行分析以获取所述监控信息中的人体的体温信息。
8.如权利要求1所述的智能养老监护***,其特征在于,所述处理器终端用于在所述监控信息中标记目标对象,其中所述目标对象为符合预设的预警规则的人体。
9.如权利要求8所述的智能养老监护***,其特征在于,所述处理器终端用于将标记后的所述监控信息结合所述危险预警信息生成危险预警事件,并存储所述危险预警事件。
10.一种智能养老监护方法,其特征在于,包括:
接收养老监护场所的监控信息;
检测所述监控信息中的人体;
针对所述人体进行行为分析,若所述人体符合预设的预警规则,则生成所述人体的危险预警信息。
11.如权利要求10所述的智能养老监护方法,其特征在于,所述检测所述监控信息中的人体,包括:
采用图像移动侦测算法检测所述监控信息中的人体。
12.如权利要求10所述的智能养老监护方法,其特征在于,还包括:
针对所述人体进行人脸识别;
所述若所述人体符合预设的预警规则,则生成所述人体的危险预警信息,包括:
若识别出的人脸与预设的被监护对象的人脸相匹配,且通过行为分析确定所述人体存在危险动作,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果和所述人体的危险动作。
13.如权利要求12所述的智能养老监护方法,其特征在于,所述若所述人体符合预设的预警规则,则生成所述人体的危险预警信息,包括:
若识别出的人脸为陌生人,则生成所述人体的危险预警信息;其中,所述人体的危险预警信息包括所述人体的人脸识别结果。
14.如权利要求10所述的智能养老监护方法,其特征在于,还包括:
对所述监控信息进行脱敏处理并将经脱敏处理后的监控信息与所述危险预警信息发送至应用终端。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求10-14中任一项所述的方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求10-14任一项所述的方法的步骤。
17.一种应用终端,其特征在于,所述应用终端包括控制器及显示器,所述控制器用于指示所述显示器来显示危险预警信息,其中,所述危险预警信息是通过对监控场所的监控信息中的人体进行行为分析后获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809195.XA CN114078603A (zh) | 2020-08-12 | 2020-08-12 | 智能养老监护***、方法及计算机设备、可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809195.XA CN114078603A (zh) | 2020-08-12 | 2020-08-12 | 智能养老监护***、方法及计算机设备、可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114078603A true CN114078603A (zh) | 2022-02-22 |
Family
ID=80280503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010809195.XA Withdrawn CN114078603A (zh) | 2020-08-12 | 2020-08-12 | 智能养老监护***、方法及计算机设备、可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114078603A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
CN114973415A (zh) * | 2022-06-02 | 2022-08-30 | 华中科技大学 | 一种基于双层隐私过滤机制的居家行为检测方法及*** |
CN115116133A (zh) * | 2022-06-14 | 2022-09-27 | 鹏城实验室 | 一种用于独居老人监护的异常行为检测***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130335550A1 (en) * | 2011-02-22 | 2013-12-19 | Flir Systems, Inc. | Infrared sensor systems and methods |
CN108937952A (zh) * | 2018-06-05 | 2018-12-07 | 上海东巍体育科技有限公司 | 一种基于热成像技术的老年人运动状态检测***及方法 |
CN109360374A (zh) * | 2018-12-20 | 2019-02-19 | 湖南晖龙集团股份有限公司 | 一种基于物联网的人体摔倒自动预警*** |
CN110135319A (zh) * | 2019-05-09 | 2019-08-16 | 广州大学 | 一种异常行为检测方法及其*** |
CN110781808A (zh) * | 2019-10-23 | 2020-02-11 | 泰康保险集团股份有限公司 | 跌倒检测方法、装置、设备及存储介质 |
CN111210592A (zh) * | 2020-01-07 | 2020-05-29 | 珠海爬山虎科技有限公司 | 视频识别监护方法、计算机装置以及计算机可读存储介质 |
CN111429330A (zh) * | 2020-03-31 | 2020-07-17 | 上海兑观信息科技技术有限公司 | 一种监控视频隐私保护方法和*** |
-
2020
- 2020-08-12 CN CN202010809195.XA patent/CN114078603A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130335550A1 (en) * | 2011-02-22 | 2013-12-19 | Flir Systems, Inc. | Infrared sensor systems and methods |
CN108937952A (zh) * | 2018-06-05 | 2018-12-07 | 上海东巍体育科技有限公司 | 一种基于热成像技术的老年人运动状态检测***及方法 |
CN109360374A (zh) * | 2018-12-20 | 2019-02-19 | 湖南晖龙集团股份有限公司 | 一种基于物联网的人体摔倒自动预警*** |
CN110135319A (zh) * | 2019-05-09 | 2019-08-16 | 广州大学 | 一种异常行为检测方法及其*** |
CN110781808A (zh) * | 2019-10-23 | 2020-02-11 | 泰康保险集团股份有限公司 | 跌倒检测方法、装置、设备及存储介质 |
CN111210592A (zh) * | 2020-01-07 | 2020-05-29 | 珠海爬山虎科技有限公司 | 视频识别监护方法、计算机装置以及计算机可读存储介质 |
CN111429330A (zh) * | 2020-03-31 | 2020-07-17 | 上海兑观信息科技技术有限公司 | 一种监控视频隐私保护方法和*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
CN114973415A (zh) * | 2022-06-02 | 2022-08-30 | 华中科技大学 | 一种基于双层隐私过滤机制的居家行为检测方法及*** |
CN114973415B (zh) * | 2022-06-02 | 2023-08-18 | 华中科技大学 | 一种基于双层隐私过滤机制的居家行为检测方法及*** |
CN115116133A (zh) * | 2022-06-14 | 2022-09-27 | 鹏城实验室 | 一种用于独居老人监护的异常行为检测***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galvão et al. | A multimodal approach using deep learning for fall detection | |
CN114078603A (zh) | 智能养老监护***、方法及计算机设备、可读存储介质 | |
CN108734055B (zh) | 一种异常人员检测方法、装置及*** | |
CN112364696B (zh) | 一种利用家庭监控视频提高家庭安全的方法及*** | |
CN112842258A (zh) | 用于事件预防和预测的方法、处理器和计算机可读介质 | |
CN106780250B (zh) | 一种基于物联网技术的智慧社区安全事件处理方法及*** | |
US11631306B2 (en) | Methods and system for monitoring an environment | |
Anishchenko | Machine learning in video surveillance for fall detection | |
US20190167157A1 (en) | Device, system and method for fall detection | |
KR20190052190A (ko) | IoT를 이용한 취약계층 보호관리 시스템 | |
US20210364356A1 (en) | System and method for using artificial intelligence to enable elevated temperature detection of persons using commodity-based thermal cameras | |
CN117409538A (zh) | 用于护理的无线防跌倒报警***及方法 | |
KR102157201B1 (ko) | 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 | |
Sree et al. | A computer vision based fall detection technique for home surveillance | |
Yun et al. | A monitoring system to support home health care for the elderly with dementia by detecting going out activities based on RGB-D sensors | |
CN115953815A (zh) | 基建现场的监测方法及装置 | |
Chen et al. | A dynamic height analysis on vision based fall detection system | |
Abraham et al. | Pro-Safe: An IoT based Smart Application for Emergency Help | |
Durairaj et al. | AI-driven drowned-detection system for rapid coastal rescue operations | |
KR20150031059A (ko) | 패턴 인식 기술에 의한 범죄 예방 폐쇄 회로 티비 장치 개선 | |
CN110807344A (zh) | 基于图像分析的特殊用户监控方法、设备及存储介质 | |
Daga et al. | Applications of Human Activity Recognition in Different Fields: A Review | |
KR102662251B1 (ko) | 인공지능 기반의 치매 환자 추적 방법 | |
Khan et al. | A Framework to Combat COVID19 like Pandemic in Future | |
Begum et al. | Ambient-Assisted Senior Living with Disabilities in an Intelligent House using CNN Behavior Prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220222 |